ARTICLE · 985761
AI越聊越笨?我骂了它一下午垃圾,换个会话一次就修好
你有没有过这种体验：跟 AI 聊得越久，它好像越笨。 同一个问题，翻来覆去改了十几轮，越改越离谱。 我之前一直以为是自己没说明白，直到有一次我把对话一关、重开一个——它一次就修好了。 那天我才反应过来：问题不在 AI 笨，而在我喂给它的东西。
一、那个让我破防的下午
先说事发经过。
我在做一个后台管理原型的界面调整，里面有个表格出了毛病：表头的列宽，和下面数据行的列宽对不齐。 表头是表头的宽度，数据是数据的宽度，歪歪扭扭，看着特别难受。
这是个很小的问题。按我当时的习惯，我直接在原来的那个会话里继续问——就是那个已经跟我聊了很久、改过很多代码的旧会话。
我的想法很朴素：它「记得」我们之前聊过什么，应该修得更快。
结果，接下来的一个下午，成了我的噩梦。
二、十几轮，越改越不动
我把当时的对话大致还原一下，你感受下那个崩溃的过程：
第一轮，AI 说改好了。我打开浏览器一看——纹丝不动。
第二轮，我说「还是错的，你能不能自己先测一下」。它又说改了。再看，还是没动。
第三轮，我开始怀疑「你是不是改错文件了」。它信誓旦旦说没改错。
到了第四轮，我情绪上来了，直接在对话里敲了一句「你什么垃圾模型，改的什么东西」。
最扎心的是第四轮之后——它终于找准了原因。也就是说，问题本身不难，它有能力修。但我们已经在错误的路上空转了好几轮。
我那天的心情，从技术问题上升到了对 AI 的怀疑：这玩意儿是不是根本不行？
三、转折：我把它关了，重开一个
冷静下来之后，我做了一个当时纯属「死马当活马医」的动作：
我把那个聊了半天的会话关掉，重新开了一个全新的。
然后我只带了三样东西进去
一句话说清问题：表头有控制列宽的样式，数据行没有，所以对不齐； 相关的那个文件； 一张错位效果的截图。
之前那十几轮的对话记录、那些改错的代码，我一条都没给它看。
结果你们猜怎么着？
它一次就修好了。 同样的问题，同样的文件，同样的截图。
那一刻我愣了几秒。不是 AI 突然变聪明了——它一直是同一个模型。变的是我给它看的东西。
四、我想明白了：它是在「错误的代码」上接着改
回过头复盘，旧会话为什么会死循环？
关键在于：AI 每一轮修改，都是在上一轮的基础上接着改的。而上一轮的代码本身，就是错的。
这就好比一个人走进了死胡同，嘴里还一直念叨「我再往前走一步就到了」。可他走的这条路根本就是错的，走得越多，离出口越远。
旧会话里，每一轮失败都在给 AI 堆积「错误的历史」。它就在这些错误上不断叠加新修改，怎么也跳不出来。
更要命的是我那句「垃圾模型」。我以为骂它有用，其实它根本读不懂情绪，它只看代码和文字本身。我越发火，说的话越笼统，它越不知道该改哪儿。
所以这不是 AI 能力的问题，是一个「上下文管理」的问题。
「上下文」这个词第一次出现，我用大白话解释一下：它就是你喂给 AI 的那些背景信息——聊天记录、文件、截图、你说的话。AI 回答问题时，能看到的就是这些，多了它没有。
五、我以前的直觉，恰恰是错的
说实话，这次翻车推翻了我一个根深蒂固的直觉。
我以前总觉得：跟 AI 协作，给它看的越多越好——历史对话、改过的代码、来龙去脉，全塞给它，它才「懂」我。
但这个 Bug 让我发现，恰恰相反。
上下文不是喂得越多越好，是喂得越准越好。 喂得杂，反而把它带偏。
这就像你带新同事接手一个烂摊子。你是愿意把前任留下的、改得一团糟的代码和满屏报错记录全甩给他，让他从坑里往上爬？还是只告诉他「现在的问题是什么、目标是啥」，让他从干净的地方重新下手？
显然是后者。AI 也一样。
六、现在我沉淀出的规矩：三步重置法
翻车之后，我把这套教训固化成了一条规矩，遇到 AI 卡壳就照做，叫「三步重置法」：
写清问题 ：用三句话说清楚——现状是什么、预期是什么、差在哪。别带情绪，别骂人。 清空重来 ：开一个新会话，把之前的历史记录全丢掉，尤其那些改错的代码，一条不留。 只带必要信息 ：问题描述 + 相关文件 + 一张截图，发出去。改完立刻打开页面验收，不对就重新描述现状。 核心就一句话：
不再让 AI 在一个会话里连续死磕十几轮，而是每次都给它一个干净的起点。
七、但不是所有情况都要「清空」
最后补一句公道话，免得你走另一个极端。
清空上下文不是万能的。有些场景，历史记录反而是宝：
- 写东西、做设计
：要保持前后风格、语气统一，留着历史更好；
- 长任务分步推进
：要记着做到哪一步了，历史就是进度条；
- 反复调参微调
：前后版本要对比，留着有价值。
但有两种情况，我强烈建议直接清空：一是定位 Bug（错误代码会污染它的判断），二是排查技术问题（一堆报错历史只会把它带沟里去）。
判断标准其实很简单：那些历史是在帮它，还是在误导它？ 在误导，就果断扔。
八、少，有时候就是多
那天下午，我先是把 AI 骂了个狗血淋头，最后被现实打了脸。
同一个模型，同一个问题，区别只在于：一个被我塞满了错误的过去，一个只拿到了干净的现在。
让 AI 干活，真不是喂得越多越好。喂得准，比喂得多，重要得多。
我是小游，一个普通学历的产品经理。关注「产品小游 AI 提效笔记」，把我踩过的坑铺成你能直接走的路。你有没有过「AI 越聊越笨、越改越乱」的崩溃时刻？当时你是怎么破局的——是硬扛到底，还是果断重开？留言聊聊你的经历，觉得有用就转发给那个正在跟 AI 死磕的同事。